环境规制促进了农业全要素生产率提升吗？

胡雪萍 乐 冬

一、引言与相关文献综述

中国作为世界人口第一大国，粮食需求量较大，但耕地面积较少，仅占世界总耕地面积的10%，虽然依靠进口贸易能够缓解国内粮食短缺问题，但长期依赖进口则不利于国家粮食安全，因此，中国亟需提升自身的农业生产效率。增加化肥、农药的使用量虽能提高农业生产率，但其带来的污染问题愈加突出，同时地方政府对农业环境保护问题的忽视也使得农业企业存在排放超标、能源利用效率低下等问题。2019 年《全国环境统计公报》显示，全国废水和废气排放物中，农业化学需氧量排放量高达18.6 万吨，而氨氮排放物高达4 千吨，农业总氮排放量高达1.3 万吨，这不仅反映出中国农业污染较为严重，也反映出环境规制的强度整体较低。如何规制农业发展中的环境污染，在加强环境保护的同时促进农业生产率提升，已成为当下我国农业发展亟待解决的重要课题。

关于全要素生产率的测算，目前主要有DEA 和SFA 测算方法①。由于DEA 模型测算时不需要设置固定的函数形式，且可以产生多个期望产出和非期望产出，减少了人为的主观因素，更为重要的是DEA 在有多个决策单位时可以与最优的决策单元进行比较，得出每个决策单元对应的效率值，因此DEA 成为测算农业全要素生产率最为普遍的方法。Tone 在运用DEA 测算效率时，从非径向角度（DEA-SBM） 对投入产出效率进行测算，避免了径向角度存在的测量误差②。当存在多个决策单元时，SBM 测算会产生非负截断特征，此时采用Tobit 模型处理被解释变量会进一步区分决策单元③。在指标选取时，也可将废水废气、碳排放等污染排放物纳入非期望产出④。因此，要从不同的角度选取衡量指标，从而使得测量结果更加全面。

环境规制是农业全要素生产率的重要影响因素之一，目前，就环境规制对农业全要素生产率的作用而言，学术界暂未形成统一的定论。基于波特假说，环境规制对农业全要素生产率具有双重效应。一方面，环境规制迫使农业生产的排放标准提高，增加了农业生产成本，进而抑制农业全要素生产率的提升⑤，被称为环境规制的“遵循成本”效应。另一方面，环境规制会促进农业生产更新升级生产设备，提高原材料的利用效率，降低生产中的非期望产出，进而推动农业全要素生产率提升⑥，称为环境规制的“创新补偿”效应。有的研究表明，环境规制短期内由于企业成本的增加会抑制农业全要素生产率的提升，但从长期角度来看，环境规制会倒逼农业生产技术升级，提升农业全要素生产率⑦。例如，Becker 和展进涛、徐钰娇从不同类型的环境规制角度研究发现，命令型、激励型和自愿型环境规制都会促进农业全要素生产率的提升⑧。有的研究支持“遵循成本说”，认为环境规制会增加农业的生产成本，从而阻碍农业全要素生产率提升。例如，秦腾和章恒全通过研究长江流域的水环境和水资源发现，环境规制对农业全要素生产率有显著的抑制作用，环境规制的存在会增加农业生产成本，从而产生挤占生产和营利性投资效应⑨。有的研究认为，环境规制对农业全要素生产率提升不存在明确的影响关系。例如，潘丹通过研究发现环境规制对农业全要素生产率不存在显著的影响关系⑩；梁流涛等通过专家打分的特尔菲方法量化了农业污染管理制度，发现环境规制未能显著促进农业全要素生产率的提升⑪。

通过梳理相关文献，可以发现多数研究仅考虑到环境规制对农业全要素生产率的线性影响，并未考虑到两者之间的非线性影响关系，鲜有文献对环境规制的空间效应进行探讨。鉴于以上不足，本文在测算农业全要素生产率的基础上，运用动态面板模型考察环境规制对农业全要素生产率的影响，从科技创新角度阐释其作用机制，并以地方政府竞争为门槛变量来分析环境规制对农业全要素生产率的非线性影响。此外，通过空间杜宾模型检验环境规制对农业全要素生产率的空间效应，以期为政府制定环境政策促进农业高质量发展提供参考。

二、理论机制分析与假设

环境规制会直接影响甚至改变企业的生产和排污模式，从而倒逼企业引进绿色生产和排污技术。在以产出为唯一衡量指标的前提下，农业生产率依靠传统的生产方式，不仅产品的竞争力与附加值相对较低，且高污染、高排放的生产模式使得生态环境遭受不可逆转的破坏。

西方主流经济学家认为，环境恶化的根源是产权混乱和市场缺失，并寄希望于环境税、碳交易市场化等环境规制举措来解决问题⑫，此时环境规制成为协调农业生产和环境保护的重要举措。一方面，政府对企业的排放要求提高会增加企业的生产成本和排污成本，企业会根据环境规制政策改变传统生产模式、引进绿色生产技术，而绿色技术是实现产品生命周期总成本和生态负效应最小化的技术创新，因而新型绿色技术会使得企业获得超额利润以抵消企业“遵循成本”效应⑬，促进农业生产技术和生产效率的提升。另一方面，企业会迫于环境规制压力对生产和排污技术进行创新升级以达到排放标准，而农业绿色技术创新具有公共物品属性，政府出于社会福利最大化的政策目标，会通过税收补贴和技术支持等方式推动企业积极引进绿色生产和排污技术，解决企业污染排放超标、能源利用效率低下、资源错配率偏高等问题。同时，企业产品的绿色化使得企业能够占领更多的市场份额，从而获得更多的资金与绿色技术的支持来推动农业生产率的提升。

因此，本文提出假设1：环境规制通过促进技术创新，推动农业全要素生产率的提升。

地方政府为了追求经济增长目标，政府间会产生相互竞争，当竞争程度较低且仅以经济增长为目标时，由于短期内较强的环境规制会增加农业企业生产成本、技术更新升级成本和废水废气排放成本⑭，各地政府会降低企业生产中的环保要求以促进农业生产率提升。当农业生产以产出为唯一导向时，废水废气等污染物大量排放，对环境产生较为严重的污染，此时环境规制对农业生产率有较强的影响作用。环境规制倒逼农业生产企业提升技术水平、增加产品竞争力，从而会优化资源配置、降低非期望产出，促进农业全要素生产率的提升。当各地政府竞争较为激烈时，此时经济增长不再是地方政府政绩考核的唯一指标，环境保护、绿色技术创新等指标也会被纳入地方政府政绩考核体系，地方政府会积极引进绿色生产技术和先进管理经验，使得生产资源错配得以矫正，促使农业生产绿色高效，由于农业生产变得绿色节能高效，环境规制对农业全要素生产率的影响力也会有所下降。同时，由于环境规制强度增大，环境规制对农业全要素生产率的边际效用也会有所下降。

因此，本文提出假设2：环境规制对农业全要素生产率的影响效用因地方政府竞争程度不同而存在非线性关系。

当邻近地区环境规制强度变化时，其对本地区的农业全要素生产率也会产生影响，这被称为环境规制的空间溢出效应。当邻近地区环境规制强度提升时，会倒逼企业积极研发先进技术、引入先进管理模式，企业依靠绿色生产技术和先进管理模式达到新的环保标准，由于先进的管理经验、研发型人才都具有外溢性，且绿色生产技术具有非排他性特征，使得邻近地区先进科技、人才、管理经验等通过劳动力和生产技术的跨区域流动而外溢到本地区，促进了本地区企业生产技术提升和先进管理经验普及，减少了本地区资源错配率并提升产品质量和附加值，从而推动本地区农业全要素生产率的提升。

因此，本文提出假设3：邻近地区的环境规制促进农业全要素生产率提升时，对本地区的农业全要素生产率也具有正向的空间溢出效应。

三、研究设计

（一） 模型构建

农业全要素生产率提升是一个循序渐进的过程，不可能一蹴而就，因此在模型中引入农业全要素生产率的滞后一期作为解释变量。考虑到农业全要素生产率的动态发展与环境规制的内生性问题，采用系统动态面板模型进行实证分析，具体模型如下：

其中i 表示省份，t 表示年份，TFPit表示各省不同年份的农业全要素生产率水平，TFPit-1表示滞后一期的农业全要素生产率，ER 表示环境规制的强度，Xi表示控制变量，主要包括卫生水平（HE）、城镇化率（Urban）、外贸依存度（EXG） 和人均GDP （AGDP），Uit表示随机扰动项。模型 （1） 表示基准回归，主要是检验环境规制对农业全要素生产率的影响。

（二） 指标选取

1. Malmquist 指数法。本文采用Malmquist 指数法测算农业全要素生产率。Malmquist 指数最初由曼奎斯特于 1953 年提出⑮，Caves 等在 DEA 的基础上将Malmquist 测算出来并进行相应的指数分解，测算出从t 期到t+1 期的指数，具体公式如下：

其中，（xt，yt）、（xt+1，yt+1） 代表不同期的投入产出，Dt（xt，yt） 和Dt+1（xt+1，yt+1） 分别表示第t期时待评估单元与第t 期和第t+1 期的前沿距离。Fare 最早使用DEA 对Malmquist 指数进行分解，分为技术效率变化和生产技术进步。当技术效率变化（Technological Efficiency，TE） TE＞1 时，表示在该时期内组织管理水平提高导致组织效率提高，出现追赶效应，反之则下降；生产技术进步（Technological Change，TC） 在投入不变时，潜在产出量得到提高，实际上是出现了技术创新，即创新效应⑯。通过对Malmquist 的指数进行细分，可以进一步明确效率指数的变化来源，准确掌握效率变化的具体原因。

采用Malmquist 指数法测算农业生产效率，避免了DEA 效率测算结果最大值为1 的缺陷，具体测算公式如下。其中，M 是Malmquist 指数，表示全要素生产率，tech 表示技术进步，衡量技术进步情况，sech 表示规模效率，衡量规模变化带来的改变情况（见表2）。以上所有指标数值大于1 表示在原有基础上得以改进，小于1 表示在原有基础上有所衰退，等于1 表示没有发生变化。

2. 农业全要素生产率测算。产出指标选取第一产业增加值，用以反映地区农业产值的变化状况；投入指标为土地、资本与劳动，土地投入选择耕地总面积和有效灌溉面积表示，劳动投入选取第一产业从业人员来表示，资本投入选取复合肥使用量、地膜使用量来衡量。

3. 环境规制。关于环境规制的衡量暂未形成统一标准，现有文献多使用环保设施投入、环境治理投入、环保从业人数等指标来衡量⑰。环境规制强度与政府对环境治理的投入具有很强的相关性，较大的环境规制强度要求政府投入更多的资金用于环境治理，投入越多则环境规制强度越大。因此本文在参考李小平等研究基础上选用各地区环境污染治理投资占GDP 的比重衡量环境规制的强度，占比越大表示环境规制强度越大⑱，用ER 表示。

4. 地方政府竞争和技术创新。地方政府竞争是指各地区经济发展的相互追赶和超越，地方政府通过优惠政策吸引资本的流入以促进地区经济发展，而外商直接投资具有显著的经济效应和溢出效益，成为政府间互相竞争的对象。考虑到吸引外商投资成为地方政府间的主要竞争方式，所以采用外商投资额与GDP 之比来衡量地方政府竞争⑲，用GC 表示。技术创新主要是衡量地区技术创造和知识获取能力，地区利用新型外部知识进行技术创新以达到技术升级的目的，地区的新型知识获取能力越强，技术创新能力也越强，所以选择《中国区域创新能力评价报告》中各地区的知识获取能力来衡量区域技术创新能力。其数据来源为中国科技发展战略研究院每年公布的《中国区域创新能力评价报告》。为缓解异方差性对其取对数，用lnIN 表示。

5. 控制变量。关于控制变量的选取，在参考罗知和齐博成研究的基础上选取以下变量⑳：卫生水平（HE）、外贸依存度（EXG）、城镇化率（Urban）和人均GDP（AGDP）。卫生水平用卫生支出占比地方财政支出表示；外贸依存度用进出口总额除以GDP 表示；城镇化率用城镇人口占比总人口表示；人均GDP 用地区总GDP 除以总人口。具体变量的指标和描述性统计如表1 所示。观察表1，可知农业全要素生产率最小值为0.810，最大值为1.503，说明地区间农业全要素生产率存在较大的差异，而地区间的环境规制强度也存在较大差异，最小值为0.300%，而最大值高达4.240%。

表1 变量指标及描述性统计

考虑到数据的可得性，本文选取2007—2018年中国30 个省（自治区、直辖市） （西藏自治区和港澳台地区缺乏相关数据） 的数据；数据来源主要是《中国统计年鉴》 《中国环境统计年鉴》，各省市统计局、国研网、EPS 系统、《中国区域创新能力报告》等，缺失值用均值替代。

（三） 典型化事实分析

为进一步了解农业全要素生产率的动态变化趋势，本文运用高斯核密度估计分析农业全要素生产率的分布趋势和延展性。如公式4 所示，f（x） 是农业全要素生产率的密度函数。

K （·） 是 k 维核函数，即权重函数。K （·） 是一维核函数的乘积，N 为观测值的个数，x 是观测值均值，h 为最优带宽，带宽越小，估计的精确度较高。图1 展示了2007—2018 年农业全要素生产率的动态变化情况。

从图（1） 来看，农业全要素生产率呈现的是“左—右—左”的变化趋势，表明农业全要素生产率呈现先下降再上升再下降的发展趋势。主峰形态从“尖而窄”变为“扁而平”，最后再到“尖而宽”的发展状态，这说明2007 年左右各地区农业全要素生产率相对接近，到了2009—2015 年期间农业全要素生产率则相对分散，地区间农业全要素生产率存在差异，而2017—2018 年期间农业全要素生产率相对集中，区域发展差异缩小。

四、实证结果分析

（一） 农业全要素生产率测算结果分析

运用DEA-Malmquist 对农业全要素生产率进行测算，测算结果如表2 所示。表2 中ML 指数代表农业全要素生产率大小，用TFP 表示。从表2 可以看出所有省份ML 指数都大于1，表明中国农业全要素生产率整体处于较高水平（ML 指数=生产技术进步×技术效率）。技术效率（技术效率=纯技术效率×规模效率） 是对资源配置能力和资源使用效率的一种综合评价，从表2 可知安徽、湖北、江苏等省份技术效率都超过1，表明这些省份的农业技术效率提升迅速，源自农业机械化生产在一定程度上得到推广，使得农业资源配置效率与使用效率提升；而新疆、云南等省份技术效率都小于1，表明这些地区需要优化农业资源配置，落实农业生产技术推广和升级措施，促进地区农业生产率的提升。

表2 中国省域农业全要素生产率ML 指数及其分解指标

纯技术效率反映的是因农业管理制度的完善和管理者水平进步而带来的农业生产效率的提升。除广西、贵州、黑龙江、湖北、陕西和山西的纯技术效率超过1，其他省份均未超过1，表明各省份需要完善农业管理制度，提升农业管理者的水平，促进农业生产率的提升。规模效率反映的是企业规模增减带来的效率变化情况，规模效率大于1，表明企业扩大生产规模，将会使得企业的规模效益递增。四川、青海和广西等省份规模效率较低，表明这些省份的农业生产模式依旧以小农生产为主，农业生产率的提升需要引入现代化耕种设备和外来资本，带动农业规模化生产，进而促进农业生产率的提升。

生产技术进步反映的是投入不变的情况下产出增加，即实现了技术的创新升级，使得农业生产实现创新效应。由表2 可知各省份的生产技术进步都超过1，表明农业生产技术相较于过去有所改进，农业生产率提升需要强化科技的引进和创新力度，着力提升农产品的科技含量和附加值。

（二） 动态面板结果与分析

运用系统动态面板模型来检验环境规制对农业全要素生产率的影响，回归结果如表3 所示。可知Sargen 检验对应的P 值大于0.1，表明工具变量选择有效，且AR（2） 值大于0.1，表明干扰项与工具变量不相关。被解释变量农业全要素生产率滞后一期均显著为正，说明动态面板模型设定是准确有效的，同时也验证了农业全要素生产率的动态发展属性。

从表3 发现，农业全要素生产率滞后一期L·TFP 回归结果显著为正，表明滞后一期的农业全要素生产率对本期的农业全要素生产率有显著的正向作用。农业全要素生产率提升是企业引进先进生产技术、科学管理经验的结果，引进先进技术和管理经验的成效存在时间上的滞后性，前期的投入在本期的农业生产中得以体现，进而促进本期农业全要素生产率提升。

表3 实证检验结果

环境规制对农业全要素生产率的影响显著为正，意味着环境规制对农业生产具有明显的促进作用。环境规制强度加大，会倒逼农业生产企业提升科技水平，降低对环境的污染和资源的依赖，矫正农业资源的错配，促进农业全要素生产率的提升。

控制变量中的卫生水平（HE） 系数显著为正，表示加大居民的卫生水平投入，提升居民身体健康水平，使得劳动力质量得以保障，农业全要素生产率得以提升。外贸依存度（EXG） 对农业全要素生产率的影响系数显著为负，说明过度依赖国外廉价农产品，在一定程度上会抑制本国农业全要素生产率的提升。城镇化率（Urban） 和人均GDP 在模型中没有通过显著性检验，可能的原因是两者对农业全要素生产率提升的促进作用不明显。

（三） 中介效应分析

环境规制不仅对农业全要素生产率产生影响，同时会通过技术创新促进农业全要素生产率的提升。本文通过中介效应检验技术创新对农业全要素生产率的影响，主要设置以下模型：

其中，lnIN 表示技术创新，具体回归结果如表4 所示。第 （3） 列为公式 （1） 的回归结果；第（2） 列为公式（6） 的回归结果，可知环境规制显著促进了科技创新水平提升；第（1） 列为公式（5） 的回归结果，可知环境规制与科技创新对农业全要素生产率的影响都显著为正。由第（1） 列科技创新系数为正，环境规制系数为正且较第（3）列中有所下降，可知存在科技创新的中介效应，即环境规制通过促进科技创新来提升农业全要素生产率。环境规制倒逼农业生产企业增加绿色科技投入，提高资源的利用效率，降低化肥、农药等污染性产品的使用，促使农业生产企业走绿色高效的发展道路。同时，通过第（1） 列可知环境规制和科技创新对农业全要素生产率都有显著的促进作用，表明科技创新的中介效应是非完全中介效应，即环境规制不但自身促进农业全要素生产率的提升，还通过提高地区科技创新能力来促进农业全要素生产率的提升。基于以上分析，假设1 得到验证。

表4 中介机制检验

（四） 异质性分析

2013 年中央一号文件《中共中央国务院关于加快发展现代农业进一步增强农村发展活力的若干意见》指出，强化农业生产过程环境监测，严格农业投入品生产经营管理，积极开展农业面源污染和畜禽养殖污染防治。本文以2013 年为时间分断点，研究2013 年前后环境规制对农业全要素生产率的影响，具体结果如表5 所示。

由表5 可知环境规制对滞后一期的农业全要素生产率具有积极的推动作用，且在2007—2013 年和2013—2018 年两个时段环境规制对农业全要素生产率都有显著的促进作用。此外，2013—2018 年环境规制的影响系数明显高于2007—2013 年，表明中央一号文件出台后各地区环境规制强度进一步提升，通过加大农业投入、强化和落实环境规制等相关举措，使得环境规制对农业全要素生产率的促进作用更为明显。

表5 分时段环境规制对农业全要素生产率的影响

（五） 稳健性检验

本文使用改变回归方法和更换解释变量两种方法对研究结果进行稳健性检验。方法一，更换模型实证方法。采用差分GMM 回归代替系统GMM 回归，研究结果显示除环境规制的系数大小略微有所改变外，方向和显著性均未发生改变。方法二，替换解释变量。本文使用工业污染治理投资额除以工业增加值来衡量环境规制（ER2），研究发现环境规制回归系数依然显著为正。具体结果如表6 所示，两种方法都验证了本文的研究结论稳健可靠。

表6 稳健性检验结果

五、进一步分析

前文运用动态面板模型探究环境规制对农业全要素生产率的影响，并从科技创新角度阐释其作用机制。由于环境规制对农业全要素生产率的影响会因地方政府竞争程度不同而有差异，同时环境规制对农业全要素生产率也具有显著的空间溢出效应，所以有必要进一步考察环境规制对农业全要素生产率的非线性关系和空间溢出效应。

（一） 门槛效应分析

地方政府作为环境规制政策的制定者和实施者，在一定程度上影响着环境规制对农业全要素生产率影响作用的大小，地方政府竞争程度不同，环境规制对农业全要素生产率的影响作用也会发生变化。本文将地方政府竞争作为门槛变量，环境规制作为核心解释变量，农业全要素生产率作为被解释变量设定以下模型：

其中，TFP 为农业全要素生产率，ER 为环境规制，GC 表示地方政府竞争，Xit为控制变量，I 为地方政府竞争的示性函数，取值规则为检验结果如表7 所示，可知一重门槛值在1%的水平上显著，而二重门槛不显著，故认为地方政府竞争存在单一门槛效应。

表7 门槛效应检验

根据表8 的门槛回归结果可知，当GC＜0.717时，环境规制对农业全要素生产率的影响系数为0.089，当地方政府竞争程度较低，仅以GDP 增长为目标时，各地政府大力发展工业等经济效益明显、污染性较大的产业，对环境、生态破坏性较严重，加之地方农业发展基础薄弱，农产品科技含量较低，农业生产受环境污染影响较大，此时环境规制政策对提升农业全要素生产率有较大推动作用。当GC≥0.717 时，地方政府竞争较为激烈，环境保护、绿色技术创新等指标也被纳入政府官员政绩考核体系，地方政府会积极引进绿色高效的生产技术和大批科技创新人才，同时矫正生产资源错配，促使农业节能高效发展，当农业生产变得绿色节能高效时，环境规制对农业全要素生产率的影响也会有所降低。同时，由于环境规制强度增大，环境规制对农业全要素生产率的边际效用也会有所下降。基于以上分析，假设2 得到验证。

表8 门槛回归结果

（二） 空间效应检验

由于环境规制对农业生产率的影响还存在空间溢出效应，所以建立空间计量模型以验证空间效应的大小。不同的空间计量模型表示不一样的影响机制，SEM 模型假定环境规制产生空间效应主要是通过误差项来传导，SAR 模型假设农业全要素生产率主要是通过空间的相互作用影响其他地区的农业全要素生产率，而SAC 模型和SDM 模型则考虑了误差项和农业生产率的空间溢出效应。此外，SDM 模型还考虑了空间交互的影响，即本区域农业全要素生产率的提升不仅受到本区域环境规制的影响，同时还受到其他地区环境规制的影响㉑。本文运用空间杜宾模型SDM 进行实证分析，具体模型设置如下：

其中，δW×TFP 和 β2W×ER 分别表示 TFP 和ER 受到的空间影响，μit是服从独立同分布的扰动项，W 表示空间权重矩阵。由于相邻区域的环境规制对农业全要素生产率影响较大，而区域相邻又不是影响农业全要素生产率的唯一因素，地区间的经济差距也会对空间效应产生影响，因此，本文使用邻近权重矩阵和经济距离权重矩阵进行空间回归分析，邻近矩阵两地区相邻即为1，不相邻即为0。经济距离权重矩阵由不同省份的人均GDP 差值倒数来构造㉒，具体公式如下：

表9 空间模型回归结果

从表9 发现，经济距离权重矩阵和邻近权重矩阵下，SDM 模型的空间项系数均显著，表明本区域的农业全要素生产率受到空间效应的影响。由于g显著不为零，则W×TFP、W×ER 和ER 三者的回归系数与传统的回归系数的解释力存在很大差异。Lesage 和Pace 通过研究发现偏微分方法之效应分解可以有效地解决这一偏差㉓。故本文对农业全要素生产率的空间影响效应进行分解，分别是直接效应、间接效应和总效应，具体效应大小如表10 所示。

（1） 直接效应。由表10 可知，环境规制对农业全要素生产率的直接效应显著为正，表明本地区环境规制可显著促进农业全要素生产率提升。这是因为环境规制倒逼农业生产企业提高原材料利用效率，优化升级生产设备，降低非期望产出，从而推动了农业全要素生产率的提升。

（2） 间接效应。由表10 可知，环境规制的间接效应显著为正，表明邻近地区的环境规制对本地区的农业全要素生产率具有显著的促进作用。合理的解释是，邻近地区环境规制强度提升，倒逼其农业生产技术升级，研发投入增加，人力资本存量提升。先进技术和管理经验由于区域间的贸易往来、人才流动等发生溢出效应，从而带动了本地区农业生产技术提升和科学管理经验普及，促进了本地区的农业全要素生产率的提升。

表10 SDM 模型的直接效应、间接效应和总效应

（3） 总效应。总效应为直接效应和间接效应之和。由表10 可知总效应显著为正，表明环境规制对本地区农业全要素生产率有显著的促进作用，同时邻近地区环境规制的促进作用同样如此，在直接效应和间接效应的综合影响下，环境规制促进了所有地区的农业全要素生产率的提升。基于以上分析，假设3 得到验证。

六、研究结论与政策建议

本文基于DEA-Malmquist 测算农业全要素生产率，并运用核密度函数分析了农业全要素生产率的动态变化趋势。在此基础上，首先运用动态面板模型探究环境规制对农业全要素生产率的影响，并从科技创新角度阐释其作用机制；其次以地方政府竞争为门槛变量，探索环境规制对农业全要素生产率的非线性影响关系；最后通过空间杜宾模型检验环境规制对农业全要素生产率的空间溢出效应。得出的主要结论如下：

第一，环境规制对农业全要素生产率具有显著的促进作用，且环境规制通过提高地区科技创新能力来推动农业全要素生产率的提升。

第二，环境规制强度不同，其对农业全要素生产率的促进作用亦会产生差异。当环境规制强度较低时，其对农业全要素生产率提升的促进作用较小，当环境规制强度增大时，其对农业全要素生产率提升的促进作用更为明显。

第三，由于地方政府竞争力度不同，环境规制对地区农业全要素生产率存在着不同的影响关系。当地方政府竞争程度较小时，环境规制对农业全要素生产率的影响作用较大；当地方政府竞争程度较大时，环境规制对农业全要素生产率的影响作用相对降低。

第四，环境规制对农业全要素生产率的影响存在着显著的空间溢出效应，即邻近地区的环境规制强度增强，对本地区的农业全要素生产率提升也存在着显著的促进作用。

基于上述分析，本文提出以下政策建议：

（1） 政府应动态调整环境规制强度，借助环境规制助推企业提升绿色生产和排放技术。政府应通过制定适宜的环境规制政策，刺激和鼓励农业企业开发和引进绿色环保的生产科技，使得绿色高效的生产科技成为农业发展的新动力；加强对农业企业从业人员和普通农民的培训，培养一批新型农业创新人才，激发企业的自主创新能力。同时，地方政府应根据农业发展现状制定差异化环境规制政策，并动态调整环境规制的工具和强度，通过排污交易权、环境补贴等举措，持续不断地促进农业生产率的提升。

（2） 优化地方政府官员的政绩考核标准，防止地方政府恶性竞争。对地方政府官员政绩的考核要把地区的环境保护、绿色创新、资源利用效率等纳入考核指标体系，构建多层次多指标的考核体系，协调分配中央和地方的环境自主权，同时强化地方政府官员、企业和民众的环保意识，完善现有环保监管体制，落实对地方政府的环保问责制度。

（3） 各省协同实施区域联防联控政策。鉴于环境规制存在明显的空间环境规制溢出效应，在实施环境规制时，需要各个区域形成联防联控机制，加强区域间相互监督的力度，借助污染监管信息共享平台，最终提高各区域环境治理的协同防治力度和效率。

注释：

① 全炯振：《中国农业全要素生产率增长的实证分析：1978—2007 年——基于随机前沿分析（SFA） 方法》，《中国农村经济》2009 年第9 期。

②K. Tone, Dealing with Undesirable Outputs in DEA:A Slacks－Based Measure (SBM) Approach, North American Productivity Workshop, 2004, 23-25, pp.44-45.

③杨芷晴：《教育如何影响农业绿色生产率——基于我国农村不同教育形式的实证分析》，《中国软科学》2019 年第 8 期。

④ 杜江、王锐、王新华：《环境全要素生产率与农业增长：基于DEA-GML 指数与面板Tobit 模型的两阶段分析》，《中国农村经济》2016 年第3 期；葛鹏飞、王颂吉、黄秀路：《中国农业绿色全要素生产率测算》，《中国人口·资源与环境》2018 年第5 期。

⑤Anthory Heyes, Is Environmental Regulation Bad for Competition? A Survey, Journal of Regulatory Economics,2009, 36(1), pp.1-28.

⑥ M. E. Porter, C. V. D. Linde, Green and Competitive: Ending the Statement, Harvard Business Review,1995, 28(6), pp.128-129.

⑦ 陶群山、胡浩：《环境规制和农业科技进步的关系分析——基于波特假说的研究》，《中国人口·资源与环境》 2011 年第 12 期。

⑧R. A. Becker, Local Environmental Regulation and Plant-Level Productivity, Ecological Economics, 2011, 70(12),pp.2516-2522；展进涛、徐钰娇：《环境规制、农业绿色生产率与粮食安全》，《中国人口·资源与环境》2019 年第3 期。

⑨ 秦腾、章恒全：《农业发展进程中的水环境约束效应及影响因素研究——以长江流域为例》，《南京农业大学学报》 （社会科学版） 2017 年第2 期。

⑩ 潘丹：《考虑资源环境因素的中国农业绿色生产率评价及其影响因素分析》，《中国科技论坛》2014 年第11 期。

⑪ 梁流涛、曲福田、冯淑怡：《基于环境污染约束视角的农业技术效率测度》，《自然资源学报》2012 年第9 期。

⑫B. Clark, J. B. Foster, Ecological Imperialism and the Global Metabolic Rift: Unequal Exchange and the Guano Nitrates Trade, International Journal of Comparative Sociology, 2009, 50(3-4), pp.311-334.

⑬M. L. Jorge et al., Competitiveness and Environmental Performance in Spanish Small and Medium Enterprises: Is There a Direct Link, Journal of Cleaner Production, 2015,101(8), pp.26-37.

⑭ A. J. Barbera, V. D. McConnell, The Impact of Environmental Regulations on Industry Productivity: Direct and Indirect Effects, Journal of Environmental Economics and Management, 1990, 18(1), pp.50-65.

⑮ Sten Malmquist, Index Numbers and Indifference Surfaces, Traba Jos de Estadistica, 1953, 4 (2), pp.209-242.

⑯R. Fare, S. Grosskorf, Malmquist Productivity Indexes and Fisher Ideal Indexes, The Economic Journal,1992, 102(401), pp.158-160.

⑰ W. Keller and A. Levinson, Pollution Abatement Costs and Foreign Direct Investment Inflows to US States,Review of Economics and Statistics, 2002, 84 (4), pp.691-703.

⑱ 李小平、卢现祥、陶小琴：《环境规制强度是否影响了中国工业行业的贸易比较优势》，《世界经济》2012年第4 期。

⑲ 秦琳贵、沈体雁：《地方政府竞争、环境规制与全要素生产率》，《经济经纬》2020 年第5 期。

⑳ 罗知、齐博成：《环境规制的产业转移升级效应与银行协同发展效应——来自长江流域水污染治理的证据》，《经济研究》2021 年第2 期。

㉑L. Matyas, P. Sevestve, The Econometrics of Panel Data: Fundamentals and Recent Developments in Theory and Practice, Springer Verlag Press, 2008.

㉒ 邵帅、李欣、曹建华、杨莉莉：《中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角》，《经济研究》2016 年第9 期。

㉓ J. P. LeSage and R. K. Pace, Introduction to Spatial Econometrics, Chapman ＆ Hall/CRC Press, 2009.